"Vague But Exciting" – "מעורפל אבל מרגש". מילים אלו היו האנדרסטייטמנט של המאה ה-20 ושורבטו בשולי המאמר המפורסם של טים ברנרס-לי מ-1989, בו המציא למעשה את ה-World Wide Web. במבט לאחור, אנחנו יודעים שזה היה רגע מהפכני, שהפך את האינטרנט לנגיש למיליארדי אנשים ברחבי העולם ופתח עידן של דיגיטציה מהירה.
היום אנחנו נמצאים ברגע מהפכני בממדים דומים. הבינה המלאכותית (AI) הגנרטיבית הפכה מטכנולוגיית נישה לנושא לדיון עולמי תוך קצת יותר משנה. זה קרה ברגע קריטי, כשהעולם מתמודד עם משברים גיאופוליטיים, כלכליים ואקלימיים מרובים.
בזמן שאתגרים אלה דורשים בדחיפות את תשומת הלב שלנו, המשאבים האנושיים, הסביבתיים והפיננסיים הגלובליים כבר מתוחים ועמוסים במשימות. Generative AI מציעה תקווה שנוכל לטפל בכל סדרי העדיפויות הרבים הללו בו זמנית. במילים אחרות – נוכל להשיג יותר עם פחות.
מאיצים את השינוי במגזר העסקי
הפוטנציאל העצום של הבינה המלאכותית הגנרטיבית זוכה לתהודה נרחבת, אך יש תחום מפתח אחד שבו השפעתה טרם מומשה במלואה. אם נשלב בינה מלאכותית גנרטיבית בניהול העסקים – ככלי לשינוי חברות, שרשראות אספקה ותעשיות שלמות – נאיץ את התפתחות הכלכלה העולמית שלנו לכלכלה בת קיימא, עמידה, שוויונית ומשגשגת יותר.
בינה מלאכותית גנרטיבית לעסקים יכולה, למשל, לעזור למצוא פתרונות טובים ומהירים יותר לשאלות שמיליוני ארגונים ברחבי העולם מתמודדים איתן, כגון: מה אוכל לעשות כדי להפוך את העסק שלי לפרודוקטיבי ותחרותי יותר? כיצד אנו מכשירים את כוח העבודה שלנו כדי לעמוד באתגרים של היום ומחר? אילו צעדים עליי לנקוט כדי להפוך את החברה שלי למזהמת פחות?
עם זאת, הסתמכות על ההמלצות שמספקת בינה מלאכותית גנרטיבית לעניינים קריטיים כאלה דורשת שהטכנולוגיה הבסיסית תהיה אמינה ביותר – הרבה יותר מאשר במערכות ה-AI הידועות המשרתות כיום צרכנים.
בניית אמון בבינה מלאכותית: רלוונטיות, אמינות ואחריות
אמינות פירושה, ראשית, שבינה מלאכותית גנרטיבית לעסקים חייבת להיות רלוונטית. הבינה המלאכותית יכולה להיות טובה רק כמו הנתונים שהיא מתבססת עליהם והנתונים הגנריים המשמשים למודלי השפה הגדולים המפורסמים ביותר כיום (LLM) לא יעזרו לחברות לטפל בבעיות המאוד פרטניות שלהן. כדי לספק הצעות ספציפיות להקשר, בינה מלאכותית רלוונטית לעסקים חייבת להתבסס ולעבוד עם נתונים ארגוניים מהחיים האמיתיים, הנמצאים במערכות המידע של החברה.
שנית, בינה מלאכותית גנרטיבית לעסקים חייבת להיות אמינה. אי אפשר לקחת הימורים בעסקים: החלטות בודדות יכולות להשפיע על אלפי לקוחות ושותפים ועל עתיד החברה בטווח הארוך. זו הסיבה שהתוצאות העסקיות שמניבה הבינה המלאכותית חייבות להיות מדויקות ואיכותיות. כי בעוד שתוצאות או פעולות "הזויות" שמניבה הבינה המלאכותית בעולם הצרכני יכולות להיות משעשעות, הן אסורות לחלוטין בעולם העסקים.
שלישית, בינה מלאכותית גנרטיבית לעסקים צריכה להיות אחראית. קיים דיון מתמשך על האופן שבו מודלים של בינה מלאכותית שהוכשרו על נתוני אינטרנט ציבוריים ועבדו איתם עלולים להפר תקנות פרטיות וזכויות יוצרים. בעולם העסקים, סוג כזה של "אזור אפור" אינו מתקבל על הדעת.
כדי שעסקים יוכלו לסמוך על בינה מלאכותית גנרטיבית, הם צריכים להיות בטוחים שהנתונים שלהם מטופלים בבטחה ובסודיות. הם צריכים להיות בטוחים שכלי בינה מלאכותית גנרטיביים מכבדים ושומרים על פרטיות הנתונים, הבעלות על הנתונים והגבלות גישה לנתונים ושהם פועלים רק בתחומים שבהם ניתנה הסכמה מפורשת.
שלושת המרכיבים הללו – רלוונטיות, אמינות ואחריות – הם אבני היסוד של בינה מלאכותית אמינה לעולם העסקים. הם גם המפתח לבניית אמון בטכנולוגיה ככלי להתמודדות עם האתגרים הגדולים ביותר של זמננו.
הזדמנות של פעם בדור
כחברת תוכנה גלובלית, SAP הציבה את הבינה המלאכותית הרלוונטית, האמינה והאחראית בראש סדר העדיפויות האסטרטגי, כשהיא מדריכה ועובדת עם נתונים עסקיים אמיתיים בהתבסס על הסכמה מפורשת של אלפי לקוחות. היישום האתי של הבינה המלאכותית מובטח על ידי עקרונות מנחים ברורים. אנו דוחפים את האיכות של תוצאות בינה מלאכותית גנרטיביות לא רק להיות "מספיק טובות", אלא גם לקבל את היושרה והאיכות שהלקוחות מצפים להן כשהם מקבלים החלטות עסקיות משמעותיות.
אני מאמין שיש גם הזדמנות של פעם בדור בקנה מידה גדול יותר: מדינות ואזורים החלוצים בבינה מלאכותית אמינה לעסקים יראו אימוץ מהיר ורחב הרבה יותר של בינה מלאכותית גנרטיבית בחברות ובתעשיות. הם ייהנו מיכולת טובה יותר להתחרות, חוסן וקיימות. והם יתרמו רבות לעולם טוב יותר – בדומה למה שעשתה רשת האינטרנט לפני שלושה עשורים.
הכותב הוא: כריסטיאן קליין, מנכ"ל וחבר מועצת המנהלים של SAP
